如何在包含多值的列中精准搜索指定演员？

2026-01-01 00:00:00 作者：心靈之曲

使用pandas的`str.contains()`方法配合`na=false`参数，可安全高效地在含缺失值（nan）的多值字符串列（如电影演员列表）中检索特定演员名。

在处理类似IMDb电影数据集时，cast列通常以字符串形式存储多个演员姓名（例如"Leonardo DiCaprio, Kate Winslet, Billy Zane"），此时直接使用.str.contains()进行模糊匹配是常见做法。但若该列存在缺失值（NaN），默认调用会抛出错误：Cannot mask with non-boolean array containing NA / NaN values——这是因为str.contains()在遇到NaN时返回NaN而非True/False，导致布尔索引失效。

正确写法如下：

# ✅ 安全检索：显式指定 na=False，将 NaN 视为不匹配
actor_movies = bd[bd['cast'].str.contains('Leonardo DiCaprio', na=False)]

? 提示：na=False表示当遇到空值（NaN）时，对应行的匹配结果强制为False，从而保证返回纯布尔数组，支持正常布尔索引。

进阶建议：

若需更精确匹配（避免“Leonardo”误匹配“Leonard”），可添加正则边界符：
```
bd['cast'].str.contains(r'\bLeonardo DiCaprio\b', na=False, regex=True)
```
若cast列实际为Python列表（如['Leonardo DiCaprio', 'Kate Winslet']），应先用explode()展开再筛选，而非字符串匹配：
```
bd.explode('cast')[lambda x: x['cast'] == 'Leonardo DiCaprio']
```

总结： 面对含NaN的多值文本列，str.contains(..., na=False)是简洁可靠的搜索方案；务必根据数据实际结构（字符串拼接 or 列表对象）选择匹配策略，避免语义误判。